在解决计算智能中的数据隐私和安全问题时，可以采取以下措施：
数据加密：对敏感数据进行加密处理，确保数据在传输和存储过程中不易被窃取或篡改。可以采用对称加密、非对称加密等技术。
访问控制：建立严格的访问控制机制，对数据的访问进行权限管理，确保只有经过授权的人员可以访问特定的数据内容。
匿名化处理：对数据进行匿名化处理，去除个人身份信息或敏感信息，以保护用户隐私。
数据分割：将数据分割存储在不同的地方，采用分布式存储方式，即使部分数据泄露，也不会造成整体数据的泄露。
安全计算：采用安全计算技术，如安全多方计算、同态加密等，实现在不暴露数据内容的情况下进行计算和分析。
安全协议：制定和执行严格的安全协议，包括数据传输协议、访问控制协议等，确保数据在传输和处理过程中不受攻击。
除了以上措施，管理者还可以考虑引入第三方的数据安全审核机构或专业团队，对系统进行定期的安全审计和漏洞扫描，及时发现和解决潜在的安全问题。同时，员工的安全意识培训也至关重要，他们需要了解数据安全的重要性，遵守相关的安全规定和操作流程，减少因人为原因导致的数据泄露风险。
在实际案例中，比如金融机构在使用计算智能进行风险评估时，可以将客户的个人信息进行匿名化处理，只提供客户的部分特征数据进行分析，同时对数据进行加密存储，严格控制权限，确保客户的隐私得到有效保护，同时也保障了风险评估的准确性和客观性。